論文の概要: Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems

• arxiv url: http://arxiv.org/abs/2005.13143v2
• Date: Mon, 21 Sep 2020 17:28:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 09:51:07.594653
• Title: Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems
• Title（参考訳）: ユークリッド化フロー:安定力学系学習のための双相的還元
• Authors: Muhammad Asif Rana, Anqi Li, Dieter Fox, Byron Boots, Fabio Ramos, Nathan Ratliff
• Abstract要約: 本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
• 参考スコア（独自算出の注目度）: 74.80320120264459
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic tasks often require motions with complex geometric structures. We present an approach to learn such motions from a limited number of human demonstrations by exploiting the regularity properties of human motions e.g. stability, smoothness, and boundedness. The complex motions are encoded as rollouts of a stable dynamical system, which, under a change of coordinates defined by a diffeomorphism, is equivalent to a simple, hand-specified dynamical system. As an immediate result of using diffeomorphisms, the stability property of the hand-specified dynamical system directly carry over to the learned dynamical system. Inspired by recent works in density estimation, we propose to represent the diffeomorphism as a composition of simple parameterized diffeomorphisms. Additional structure is imposed to provide guarantees on the smoothness of the generated motions. The efficacy of this approach is demonstrated through validation on an established benchmark as well demonstrations collected on a real-world robotic system.
• Abstract（参考訳）: ロボットのタスクは、しばしば複雑な幾何学構造を持つ運動を必要とする。 本稿では,人間の運動の規則性(安定性,滑らか性,境界性など)を利用して,限られた数のデモンストレーションからそのような動きを学習する手法を提案する。 複素運動は安定な力学系のロールアウトとして符号化され、微分同相によって定義される座標の変化の下では、単純手特定力学系と等価である。 微分同相写像を用いる直接的な結果として、手特定力学系の安定性特性は学習力学系に直接受け継がれる。 密度推定に関する最近の研究に触発されて,簡単なパラメータ付き微分同相写像の合成として微分同相写像を表現することを提案する。 生成した動きの滑らかさを保証するために追加構造が課される。 このアプローチの有効性は、確立されたベンチマークの検証と、実世界のロボットシステムで収集されたデモを通じて実証される。

関連論文リスト

• Stability properties of gradient flow dynamics for the symmetric low-rank matrix factorization problem [22.648448759446907]
  多くの学習課題において,低ランク因子化がビルディングブロックとして機能することを示す。 ダイナミクスの局所的な探索部分に関連する軌跡の形状に関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2024-11-24T20:05:10Z)
• Identifiable Representation and Model Learning for Latent Dynamic Systems [0.0]
  本稿では,潜在力学系における表現とモデル学習の問題について検討する。 線形あるいはアフィン非線形潜在力学系に対して、スケーリングまでの表現を同定し、いくつかの単純な変換までモデルを決定できることを証明した。
  論文  参考訳（メタデータ） (2024-10-23T13:55:42Z)
• Data-driven ODE modeling of the high-frequency complex dynamics via a low-frequency dynamics model [0.0]
  本稿では,流体流の高周波断続挙動を含む流体力学をモデリングする新しい手法を提案する。 1つは基本変数の自律システムであり、もう1つは目的変数が項に影響を受けていることに関するものである。 構成されたジョイントモデルは、短い軌跡だけでなく、長い軌跡から得られたカオス集合と統計的性質の再構築にも成功している。
  論文  参考訳（メタデータ） (2024-09-01T09:06:32Z)
• Learning minimal representations of stochastic processes with variational autoencoders [52.99137594502433]
  プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。 我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
  論文  参考訳（メタデータ） (2023-07-21T14:25:06Z)
• Evolve Smoothly, Fit Consistently: Learning Smooth Latent Dynamics For Advection-Dominated Systems [14.553972457854517]
  複雑な物理系のサロゲートモデルを学ぶための,データ駆動・時空連続フレームワークを提案する。 ネットワークの表現力と特別に設計された整合性誘導正規化を利用して,低次元かつ滑らかな潜在軌道を得る。
  論文  参考訳（メタデータ） (2023-01-25T03:06:03Z)
• Learning Riemannian Stable Dynamical Systems via Diffeomorphisms [0.23204178451683263]
  有害で自律的なロボットは、精巧な動的動作を巧みに実行できなければならない。 学習技術は、このようなダイナミックスキルのモデルを構築するために利用することができる。 これを実現するために、学習モデルは、所望の運動力学に類似した安定したベクトル場を符号化する必要がある。
  論文  参考訳（メタデータ） (2022-11-06T16:28:45Z)
• MoDi: Unconditional Motion Synthesis from Diverse Data [51.676055380546494]
  多様な動きを合成する無条件生成モデルであるMoDiを提案する。 我々のモデルは、多様な、構造化されていない、ラベルなしのモーションデータセットから完全に教師なしの設定で訓練されている。 データセットに構造が欠けているにもかかわらず、潜在空間は意味的にクラスタ化可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T09:06:25Z)
• Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
  我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。 筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
  論文  参考訳（メタデータ） (2022-05-03T20:03:22Z)
• Equivariant Graph Mechanics Networks with Constraints [83.38709956935095]
  本稿では,グラフ力学ネットワーク(GMN)を提案する。 GMNは、一般化された座標により、構造体の前方運動学情報(位置と速度)を表す。 大規模な実験は、予測精度、制約満足度、データ効率の観点から、最先端のGNNと比較してGMNの利点を支持する。
  論文  参考訳（メタデータ） (2022-03-12T14:22:14Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。